基于HALCON的中壓真空斷路器視覺檢測系統實現

張振超，盧建寧，王 偉，郭彥斌，趙義輝

（北京機械工業自動化研究所，北京 100120）

0 引言

中壓真空斷路器作為電力系統中重要的開關設備，其質量好壞對電網的安全性有著重要的影響。中壓真空斷路器的尺寸是影響其質量的關鍵因素，因此在中壓真空斷路器生產過程中需要對其進行尺寸檢測，傳統的檢測方式都是采用標準柜模擬配柜檢測，其只能實現工件的定性檢測，且具有效率低，耗人工，容易磨損等缺點，產品檢測可靠性較差。但隨著電網建設對輸變電設備要求的不斷提高，對中壓真空斷路器檢測也提出了更高的要求。本文將機器視覺應用在中壓真空斷路器尺寸檢測上，其具有在線實時、非接觸、高精度等特點[1]，實現了中壓真空斷路器的定量檢測，對生產及安裝過程具有指導性作用。

HALCON是世界公認具有最佳效能的機器視覺軟件，在工業檢測中提供了高速、高精度的算法，其交互式的開發環境可以迅速開發機器視覺程序，節約產品成本縮短開發周期[2]。針對傳統檢測方式存在的一些問題及電力系統對真空斷路器檢測要求的提高，本文應用機器視覺技術，利用HALCON機器視覺軟件實現對中壓真空斷路器的尺寸檢測。

1 系統構成

一個完整的機器視覺系統主要包括光源、相機、圖像采集卡、計算機、執行機構等部分[3]。本文的中壓真空斷路器尺寸檢測系統構成如圖1所示。

根據中壓真空斷路器的檢測要求，將其分為24個檢測點，通過PLC控制伺服電機及工件平臺實現對24個點的逐個采集檢測。

圖1 中壓真空斷路器視覺檢測系統構成

2 檢測過程

2.1 圖像獲取

通過調用HALCON算子open_framegrabber可以訪問圖像采集設備，之后調用grab_image算子實現對圖像的采集[4]。其中產品的24個檢測點主要分為兩類，圓形測試點和線形測試點，采集到的兩類圖像如圖2、圖3所示。

圖2 采集到的圓形測試點

圖3 采集到的線性測試點

2.2 圖像預處理及區域提取

2.2.1 圖像預處理

經圖像采集設備采集到的圖像首先需要經過一定的預處理，其目的是使其特征更加明顯。本文圖像預處理過程為：1）調用reduce_domain算子截取所畫出的ROI，進一步縮小定義區域。2）調用threshold算子對圖像進行二值化。3）調用opening_circle算子消除邊界毛刺。4）調用fill_up算子對區域進行填充。5）調用connection算子連通和劃分區域。6）調用select_shape算子選出面積大于預設面積的圓形（線性測試點選出矩形）區域。7）調用closing_circle算子填充細小孔洞平滑邊界。預處理后得到的圖像如圖4、圖5所示。

圖4 圓形測試點預處理后圖形

圖5 線形測試點預處理后圖形

2.2.2 區域提取

圖像預處理后，再通過相應的步驟提取出包含檢測特征的區域。

圓形測試點區域提取過程：首先通過調用dilation_circle算子和erosion_circle算子分別對圖像進行膨脹和腐蝕，分別得到兩個區域，然后使用difference算子得到兩個區域的差值區域，圖像的圓形外部邊緣就包含在該區域中。

線性測試點區域提取過程：首先調用erosion_rectangle1算子對圖像進行腐蝕，再調用move_region算子對區域進行移動，經過shape_trans算子進行形狀變換，最后使用reduce_domain算子截取ROI，得到的區域的邊緣即為圖像的邊緣。

2.3 亞像素邊緣提取

首先使用threshold_sub_pix算子進行閾值邊界提取，然后使用union_adjacent_contours_xld算子連接相鄰的XLD，然后調用select_contours_xld算子選出輪廓長度在400到2000范圍內的XLD，最后調用f i t_circle_contour_xld算子對圓形測試點使用圓形結構擬合輪廓，調用fit_line_contour_xld算子對線形測試點使用線段擬合輪廓。最終得到的圖像邊緣如圖6、圖7所示。

圖6 特征提取獲得圓形邊緣

圖7 特征提取獲得線形邊緣

2.4 檢測結果

亞像素邊緣提取得到輪廓后計算出其中心點坐標，結合PLC控制伺服電機移動的坐標進行計算即可得到中壓真空斷路器的尺寸，經數據庫與標準產品尺寸及誤差范圍對比最終得到產品的檢測結果。

3 結束語

本文應用機器視覺技術，結合HALCON開發平臺，實現中壓真空斷路器的尺寸檢測，提高了工件的檢測精度，避免了人工主觀因素造成的測量誤差，提高了流水線的自動化程度。但是目前中壓真空斷路器視覺檢測算法還存在一些不足，如復雜光照和工件表面氧化程度等都會對檢測效果產生影響，因此在以后的工作中爭取在圖像處理算法上再加以改進，使圖像的識別率和檢測精度進一步提高，增加系統的實用性和檢測效率。

[1] 黃正福.面向尺寸檢測的機器視覺系統研究[D].杭州:浙江工業大學,2004.

[2] 林佩諭.高性能的圖像處理軟件—HALCON[DB/OL].豆丁網.

[3] 劉混海.基于機器視覺的集成芯片基板定位技術研究[D].合肥:合肥工業大學,2009.

[4] 郭佳寅.基于Halcon的乳制品箱體噴碼字符識別方法研究[J].制造業自動化,2013(02):21-21.